000			07238namaa22004211i 4500
003			OSt
005			20250701143958.0
008			250701s2024 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a658.404
092			_a658.404 _221
097			_aPh.D
099			_aCai01.18.05.Ph.D.2024.Ab.I
100	0		_aAbdalla Mohamed Abdalla El-Dhshan, _epreparation.
245	1	3	_aAn intelligent approach for solving resources allocation problem / _cby Abdalla Mohamed Abdalla El-Dhshan ; Supervised Prof. Dr. Hegazy Mohamed Zaher, Prof. Dr. Naglaa Ragaa Saeid Hassan.
246	1	5	_aاسلوب ذكي لحل مشاكل تخصيص الموارد /
264		0	_c2024.
300			_a95 Leaves : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2024.
504			_aBibliography: pages 89-95.
520			_aResource allocation is crucial in various sectors, posing significant challenges due to its complex constraints. Traditional methods frequently do not deliver the best solutions, mainly when dealing with combinatorial optimization problems. This thesis introduces two modifications to the original Crow Search algorithm (CSA). The first suggested modification is the "Two Stages Crow Search Algorithm" (TS-CSA). The Second suggested modification is the "Adaptive Crow Search Algorithm" (ACSA). In the first modification, TS-CSA includes two stages to enhance the capability of the original CSA; the first stage involves initial exploration and exploitation to generate a set of diverse solutions. The second stage focuses on posterior exploitation to refine and improve the solutions generated in the first stage. The structure of TS-CSA improves the algorithm's robustness and the quality of solutions, where a distinct feature of TS-CSA is introducing a "leaders group," which guides the search towards high-quality solutions, ensuring rapid convergence. Additionally, TS-CSA utilizes a dynamic flight length value by replacing a fixed parameter to enhance the exploration capabilities of the proposed algorithm. A new local search strategy is also integrated to refine solution quality further. The thesis demonstrates the application of TS-CSA in solving continuous optimization problems, where the new suggested algorithm is applied to well-known benchmark functions of twenty-three testing functions, including unimodal, multimodal, and fixed multimodal types, to evaluate the algorithm's capabilities and converges. Furthermore, in the second modification, an adaptive version of CSA (ACSA) is proposed and applied to combinatorial optimization problems, explicitly focusing on resource allocation. The practical application of the ACSA is showcased in solving the timetable problem, highlighting its potential in solving real-world problems. This work contributes significantly to optimization and resource allocation, offering a robust, flexible, and efficient approach to tackling complex problems. It opens avenues for further research and application in various domains
520			_aتمثل أمثلية تخصيص الموارد جانبٍ حيوياً في العديد من القطاعات حيث تطرح العديد من التحديات لتعقيدات القيود المتعلقة بها. ولذالك من الصعب للطرق التقليدية في الكثير من الاحيان توليد حلول مثالية ولاسيما في مشاكل الامثلية المعقدة (Combinatorial Optimization Problems). وحيث تقدم خوارزميات الـ Metaheuristics حلولًا فعالة قريبة من المثالية بإجراء البحث بذكاء في مساحة الحل لتلك الأنواع من المشكلات. ومن ضمن خوارزميات الـ Metaheuristics خوارزمية بحث الغراب (CSA). في هذه الرسالة تم تقديم تعديلين مقترحين مختلفين لخوارزمية بحث الغراب (CSA). وقد تم اختبارالاساليب المقترحة وذلك بالتطبيق على مجموعات معروفة من مشاكل الأمثلية لدوال معيارية مختلفه وايضا تم التطبيق على بيانات واقعيه كمثال لحل مشكله تخصيص الموارد وذالك لتوضيح فكرة الاسلوب المقترح وعرض نتائجة وتقييم فاعليتة . 4. الاهداف : الهدف الرئيسي من هذه الرسالة هو تطوير أساليب ذكية مبتكرة باستخدام أساليب الـ Metaheuristics مثل خوارزمية بحث الغراب (CSA). وذلك لتعزيز خوارزمية CSA الأصلية والتعرف على محدداتها لجعلها أكثر قابلية للتطبيق على مشاكل العالم الحقيقية لتغطية مشاكل التحسين المستمرة والمتقطعة (Continuous and Discrete Optimization Problems). مما يمكننا من تطبيقها على مشاكل تخصيص الموارد. الفكرة الأساسية لجميع الأساليب الذكية المقترحة هي تحقيق ما يلي:  تحليل خوارزمية CSA الحالية لتحديد نقاط القوة والضعف لحل مشاكل التحسين. سيوفر هذا التحليل نظرة ثاقبة لسلوك الخوارزمية والقيود التي تواجه لتقديم التطوير والتعديلات المقترحة.  تسليط الضوء على التحليل المقارن مع خوارزميات التحسين الأخرى لبيان نقاط القوة والضعف في خوارزمية CSA المعدلة مقارنة بالخوارزميات الحديثة.  زيادة الكفاءة بمعنى تعزيز الكفاءة الشاملة لخوارزمية CSA.  تحسين قدرة الخوارزمية المعدلة على إيجاد حلول شبه مثالية خلال فترات زمنية أقصر.  تقييم أداء خوارزمية CSA المعدلة في حل مجموعة من المشكلات لدوال معيارية مختلفة ومقارنتها مع نتائج خوارزميات التحسين الأخرى من حيث الدقة وسرعة التقارب.  تكييف اسلوب الحل لعمل تكيف للخوارزمية (adaptation) لحل مشاكل التحسين المتقطعة.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		7	_aProject management _2qrmak
653		0	_aMetaheuristics _aTwo _aStage Crow Search Algorithm _aResource Allocation _aScheduling _aDynamic Parameters
700	0		_aHegazy Mohamed Zaher _ethesis advisor.
700	0		_aNaglaa Ragaa Saeid Hassan _ethesis advisor.
900			_b01-01-2024 _cHegazy Mohamed Zaher _cNaglaa Ragaa Saeid Hassan _UCairo University _FFaculty of Graduate Studies for Statistical Research _DDepartment of Operations Research and Management
905			_aShimaa
942			_2ddc _cTH _e21 _n0
999			_c172862